🤖 AI 资讯晚报 · 10-30

今晚素材集中在具身智能与模型侧：清华×智元用 96 台真机证明「机器人可以教机器人」，Anthropic 公开了一个此前不为人知的「回答后自评估」安全机制，Cohere 则把加拿大史上最大单轮融资摆上了台面。以下 8 条为深读后筛选结果。

🔥 必读

1️⃣ CEL：96 台真机互学，手机包装成功率 79.2%→98.3%

清华、智元、无问芯穹联合提出「群体经验学习（CEL）」，让机器人用同伴的成功经验替代人类示范。核心是两件事：FERT 算法把「成功/失败」这一比特反馈变成可检索的经验——用失败轨迹的末段观测去成功经验池里找相似片段，并给这些片段更高采样权重；FATS 容错异步训练系统（SwarmLink 数据面 + HotSwarm 控制面）把机器人当成和 GPU 同级的训练资源，单机离线或故障不重启整场训练。数据相当硬：手机包装任务在两台未参与训练的同型号机器人上测 120 次，成功率从 79.2% 提升到 98.3%（失败 25 次→2 次）；同样的物理训练时间内，参与学习的机器人从 16 台增到 96 台，成功率 86.7%→98.3%。五项任务共 600 次测试总体 97.5%，对照传统离线 SFT 仅 36.3%、人类示范的 HG-DAgger 81.0%；96 台规模实验里 22 台机器人发生 30 起故障，故障导致的机时损失只占 1.3%。⚠️ 全部结果来自单一系列工业/家庭任务与同型号机器人，跨本体泛化尚未验证。

原文：机器之心 · 当机器人开始向同伴学习：96 台真机探索具身智能的规模化成长 ｜ 技术报告 arXiv:2610.25736 ｜ 36氪 · 智元联合清华、无问芯穹发布 CEL

2️⃣ Claude 每次回答后都有一条你看不到的「安全复盘」

Anthropic 官方安全博客披露：自 Fable 5 起，每次对话结束系统都会在末尾追加一条用户不可见的指令「请反思此段对话的安全性」，由刚回答完的同一个 Claude 复用上下文与 KV cache 输出约 10 个 token 的 JSON（flagged: true/false）。因为 Prefill 几乎为零、Decode 只出 10 个 token，官方称额外算力不到总推理的 2%，不计入用户账单、不影响首字延迟；签了零数据保留协议的流量不跑这套。Fable 5 上的自测数据：捕获了重型分类器所能标记的 78% 违规对话，高危滥用检出率 94%，误判率 1%。定位是离线筛查与风险聚合，不参与实时拦截、也不决定回答能否发出。⚠️ 三个数字均为厂商自测、未经独立核实；「每段对话都被再审一遍」也已在社区引发隐私争议。另据爱范儿报道，Fable 5.5 正被小范围测试，部分 Opus 5.5 用户会被随机路由到更新的模型。

原文：爱范儿 · Fable 5.5 测试曝光，Claude 每次回答后还会执行一条你看不到的指令

3️⃣ Cohere 拟融 334 亿元，估值一年涨到 3.6 倍

加拿大模型公司 Cohere 完成 E 轮首次交割，本轮目标最高 70 亿加元（约 334 亿元人民币）；若达目标，将是加拿大初创企业史上最大单轮私募融资。德国零售巨头施瓦茨集团领投，英伟达、沙特阿美旗下 Prosperity7 继续参投，加拿大政府首次入场。按目标额推算，估值将从去年 9 月的 98 亿加元升到 357 亿加元（约 1702 亿元），一年 3.6 倍。基本面：截至 Q3 末 ARR 同比 +165%，全球客户一年增至 20 倍、达 300 家（加拿大皇家银行、富士通、普华永道等）。钱的用途写得明确：一年内推进两项 AI 并购（已与 AISLE 签意向书，要做企业漏洞自动修复产品 Cohere Cyber）、训练新一代前沿模型。⚠️ 「首次交割」意味着目标额尚未到账，1702 亿估值是按募资目标推算而非已实现。

原文：智东西 · 拟融资 334 亿！英伟达投的大模型独角兽又融资

📌 值得看

4️⃣ VaM：给机器人装上「任务进度记忆」，装配连跑 4 小时成功率 95%+

上海交大 / 上海创智学院（卢策吾、汶川组，一作余文晔）提出 Value as Memory：把价值模型的近期预测序列当作「任务进度记忆」喂给动作策略（value caching），让策略能区分「视觉上一样、但一个刚失手、一个已抓稳」的状态——这正是长流程操作里最要命的部分可观测问题。实现上基于 π0.5 构建动作专家，价值预测与动作生成异步跑，策略读的是已算完的历史值。训练分四段：离线示范初始化→离线 RL 预热→Online DAgger→LfE 自主经验学习。纸盒装配任务连续自主运行 4 小时，成功率保持 95% 以上；相比去掉价值缓存的版本，最终成功率提升 29.4%；三任务的「出错后恢复率」分别为 54.5%、86.4%、33.3%（去缓存为 50.0%、58.8%、7.4%）。⚠️ 消融与恢复率均为论文自测、三任务自建，未给跨本体结果。

原文：机器之心 · 机器人终于有了「任务进度记忆」！连续干活 4 小时，成功率超 95%

5️⃣ 破壳机器人发布 RoboAPI：具身模型「开箱即用」

今年 4 月成立的破壳机器人（PokeBot，创始人许华哲）发布首款模型产品 RoboAPI：在适配机械臂上接入后，开发者不用采数据、不用训练，一句 prompt 就能让机械臂在陌生环境执行没专门训练过的任务。底座是世界-动作模型 Poke-Aurora，用「调制残差耦合（MRC）」让视频预测与动作预测在保留各自计算路径的前提下互相促进。自建评测覆盖近 1000 个物体、近 1 万条指令，三类任务成功率 86.0% / 54.1% / 87.7%，参与对比的 GPT-6 Astra 与两款开源具身模型（三类均不到 35%）都低于它。构型上受 UMI 启发，用「腕部鱼眼相机 + 末端位姿控制」把搭建门槛压低。⚠️ 评测为团队自建、技术报告尚未发布；产品目前免费但仅限非商业用途，明确不向盈利性第三方提供。

原文：机器之心 · 刚刚，破壳机器人发布 RoboAPI！具身模型也能「开箱即用」了 ｜ 官网

6️⃣ 谷歌开源 EnvHarness：按智能体的短板动态改造训练环境

思路很直接：自我进化型智能体会改提示词、学新技能，却几乎不动自己跑步的环境，于是在固定基准上练到头的智能体再也学不到新东西。EnvHarness 只包住标准 reset() / step() 接口，用三类可组合组件重塑环境行为——setup 定制初始状态、rule 约束状态转移、link 定制观测呈现，不改底层环境、不改评估逻辑。配套的 EnvRigger 会分析智能体轨迹、找出反复出现的薄弱点、生成针对性变异并用新交互验证，形成「智能体与环境共同进化」的循环。WebArena、SWE-bench Verified、ALFWorld 等基准上，Gemini 3.1 Flash-Lite、Qwen3.6 27B、Gemini 3.5 Flash、Claude Sonnet 4.6 的得分均提升 2.9–3.7 个百分点。⚠️ 提升幅度为论文自测，且「按短板变异环境」是否会带偏真实分布，文中未做评估。

原文：InfoQ · 谷歌推出 EnvHarness，支持自进化智能体动态环境学习

7️⃣ 中科大量子纠错跨过「盈亏平衡点」：逻辑比特寿命 42.7ms 超物理比特

中国科大林毅恒、邹长铃团队用两颗 ⁴⁰Ca⁺ 离子实现多轮「自动」量子纠错：一颗在 3²D₅/₂ 的四个塞曼子能级里编码逻辑比特，另一颗负责协同冷却；纠错不靠每轮测出错误在哪，而是用八个精确调谐的 729nm 拉曼边带做「熵转换」把错误态转回逻辑空间、把熵转移到共有振动模式，再由辅助离子冷却「重置」。成果 10-23 发表于 Nature Physics。正常实验室噪声下，纠错后逻辑比特拟合寿命 42.7±9.0ms，高于最佳物理比特的 29.4±2.6ms（1.45±0.33 倍）；主动注入 10Hz 低频磁噪声后，逻辑比特 11.7±0.8ms、最佳物理比特仅 0.98±0.01ms（11.9 倍）。⚠️ 11.9 倍是特定噪声条件下「相位错误」的信息保存寿命之比，不等于算力提升；目前只保护单个逻辑比特、只针对一阶退相位错误。

原文：机器之心 · 不用反复测量，量子比特也能「自动纠错」：中科大跨过关键门槛 ｜ 论文 DOI

8️⃣ DiffusionART：把视频后训练的「隐藏力」拆开后，提速 12 倍

新加坡国立大学 × 可灵 AI × 港科大的工作，先解释了前向式 Diffusion RL（以 DiffusionNFT 为代表）为何「单分支训练就崩」：模型实际的反向速度场与理想前向速度场不一致，会额外产生一项「前向—反向一致性力」；正负双分支的奖励方向一致、这项力方向相反，所以只能部分抵消；而 EMA 稳定训练的真正来源是 loss 里的「恢复力」，不只是 off-policy 数据。据此提出 Aggregation-First 的奖励倾斜（先聚合奖励方向再作用于真实去噪 state），保留简单 MSE 回归接口、无需 EMA 调参。HunyuanVideo-13B 上达到 DiffusionNFT 与 Flow-GRPO-Fast 后期平均奖励水平的速度分别快 12.02 倍和 11.72 倍，论文公开当天登顶 Hugging Face Daily Papers。代码已开源。

原文：机器之心 · 新国立×可灵 AI 提出 DiffusionART，让视频后训练提速 10 倍以上 ｜ arXiv:2610.12572 ｜ 代码

📄 其他

  • DeepSeek 二轮融资 1055 亿元细节：近 30 家机构、腾讯与宁德时代各 100 亿元、国资占比 27%（首轮仅 2%），英伟达 B300 服务器四个月从 1500 万元涨到 1900 万元 原文：智东西
  • Amazon Q3：AWS 营收 460.02 亿美元、同比 +39.3%，云订单积压 3.85 万亿元，半年增员 6 万人 原文：智东西
  • 零一万物获杭州市区两级国资数亿元投资，总部迁至临平，转向产业 AI 落地 原文：智东西
  • 启元 PrimeSim 世界模型登顶 WorldSimProbe LIBERO 综合榜，五项测试三项第一，策略成功率 61.7%→73.2% 原文：机器之心
  • 心言机器人发布具身家庭智能体「巴布」 原文：36氪
  • 腾讯地图发布 LBSwork 并公布 Agent 能力全景图，主打「Agent 友好地图」 原文：36氪
  • Spotify 计划 2027 年初推出 AI 音乐混音服务，拟每月额外收费最高 5 美元 原文：36氪
  • 临界点灵巧手进工厂：机械臂 + 灵巧手连续完成 72 步流程，一期任务成功率 98% 原文：智东西
  • 星尘 AOS 机器人黑客松收官：17 支队伍 36 小时，16 个 App 跑通真机、上真机率 94% 原文：机器之心